MétaCan
Menu
Retour à la cohorte
Enregistrement W4376480555 · doi:10.1109/wcnc55385.2023.10118693

On the Performance of RIS-enabled NOMA for Aerial Networks

2023· article· en· W4376480555 sur OpenAlexaff
Lina Bariah, Fouzi Boukhalfa, Wael Jaafar, Sami Muhaidat, Halim Yanıkömeroğlu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensCarleton UniversityÉcole de Technologie Supérieure
Organismes subventionnairesScience and Engineering Research Council
Mots-clésNomaRician fadingBase stationComputer scienceChannel (broadcasting)Computer networkMetric (unit)Real-time computingQuality of serviceFadingEngineeringTelecommunications link

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate the performance of reconfigurable intelligent surface (RIS)-assisted aerial communications, where a ground base station (GBS) communicates with distant terrestrial and/or aerial users through the assistance of a RIS-equipped unmanned aerial vehicle (RIS-UAV). The GBS uses the non-orthogonal multiple access (NOMA) scheme to transmit its signal, which is directed to the users via the RIS-UAV. First, the end-to-end channel is characterized, by considering the shadowed Rician fading, then the outage probability performance metric is derived for the underlying system model. Through numerical results, we demonstrate the impact of several system parameters on the performance of NOMA users. Specifically, we found that RIS elements need to be carefully allocated among different NOMA users, according to their channel conditions, in order to achieve the needed quality of service.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,084

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,188
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUAV Applications and OptimizationTravaux en français237 207